
- •Подсистема прогнозирования отказов и планирования ремонтов шахтного вентиляционного оборудования Введение
- •1. Актуальность темы
- •2. Цель и задачи исследования, планируемые результаты
- •3. Обзор существующих методов, моделей, алгоритмов
- •3.1 Обзор методов диагностики вентиляционного оборудования
- •3.2 Обзор методов прогнозирования многомерных временных рядов
- •3.2.1 Математическая постановка задачи
- •3.2.2 Алгоритм ssa
- •3.3 Обзор методов планирования ремонтных работ
- •Обзор существующих программных продуктов
- •Список источников
Обзор существующих программных продуктов
В настоящее время существует несколько систем, аналогичных проектируемой, например:
Пакет DREAM-E, разработанный компанией «ВАСТ» (Санкт-Петербург) [16].
Система CMM, разработанная ЗAO "СПМ Инструмент Санкт-Петербург" [17].
Обе системы предназначены для постоянного мониторинга и диагностики состояния оборудования и обладают схожей функциональностью. Недостатками данных систем являются:
Учитывают только информацию с датчиков.
Выводят только один, наиболее вероятный дефект.
Данное ПО предоставляется после оплаты, соответственно, сложно оценить его качество.
Высокая стоимость.
Выводы
На сегодняшний день одной из наиболее важных практических производственных задач является обеспечение надежной работы оборудования. От правильного ее решения зависят не только экономические показатели предприятия, но и безопасность рабочих.
Недостаточное использование стационарных систем превентивной диагностики обычно определяется финансовыми либо организационными причинами. Как правило, системы глубокой диагностики монтируются на агрегате после нескольких лет работы, когда отказы оборудования начинают учащаться. Такие системы не являются штатными и их сохранность при проведении ремонтных работ на агрегатах не предусматривается заводской документацией на обслуживание и ремонт агрегата.
Разработка и внедрение проектируемой системы позволит снизить затраты на обслуживание оборудования и повысить безопасность рабочих предприятия.
В рамках проведенных исследований выполнено:
На основании анализа литературных источников выделены основные алгоритмы, которые могут быть использованы для решения поставленной задачи.
Выполнен поиск существующих пакетов прикладных программ, реализующих требуемую функциональность.
При написании данного реферата магистерская работа еще не завершена. Окончательное завершение: декабрь 2012 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.
Список источников
Барков А.В. Основные требования к современным средствам мониторинга состояния и диагностики машин и оборудования / А.В. Барков. — М:2011. — 716 с.
Сараев А. Д. Системный анализ и современные информационные технологии / А.Д. Сараев, О.А. Щербина — Симферополь: СОНАТ, 2006. — 486 с.
Клюев В.В. Неразрушающий контроль: Справочник: В 7т. / В.В. Клюев. — М:2005. — Том 1. - 616 с.
РТМ 07.03.004-83 «Методика вибродиагностики подшипников качения опорных узлов шахтных вентиляторов главного проветривания» - М:1984. — 284 с.
ДНАОТ 1.1.30-06.09.93 «Руководство по проектированию вентиляции угольных шахт» - Киев, 1994. — 311 с.
Хеннан Э. Многомерные временные ряды / Э. Хеннан. — М.: Мир, 1974. — 576 с.
Большаков А.А. Методы обработки многомерных данных и временных рядов / А.А. Большаков, Р.Н. Каримов. Учебное пособие для вузов — М.: Горячая линия — Телеком, 2007. – 522 с.
Nason G.P. The stationary wavelet transform and some statistical applications / G.P. Nason, B.W. Silverman — N.Y.: Springer, 1995. — 464 p.
Шибалкин А.А. Прогнозирование временных рядов с использованием многослойных нейронных сетей и вейвлет-преобразований / А.А. Шибалкин, М.В. Марковский — М.: Научная сессия МИФИ – 2008. — Том 11. — 412 с.
Загоруйко Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко — Новосибирск: ИМ СО РАН, 1999. – 270 с.
Keppenne C. Complex singular spectrum analysis and multivariate adaptive regression splines applied to forecasting the southern oscillation / C. Keppenne, U. Lall – Exp. LongLead Forcst. Bull, 1996. – 684 p.
Elsner J. Singular Spectrum Analysis. A New Tool in Time Series Analysis. / J. Elsner, A. Tsonis — New York: Plenum Press, 1996. - 163 p.
Прогнозирование временных рядов методом SSA. [Электронный ресурс]. – Режим доступа: http://www.machinelearning.ru/....
Метод гусеницы [Электронный ресурс]. – Режим доступа: http://www.gistatgroup.com.
Ковалев М.Я. Модели и методы календарного планирования / М.Я. Ковалев. — М:2004. — 447 с.
Вибродиагностика, мониторинг [Электронный ресурс]. – Режим доступа: http://www.vibrotek.ru.
SPM Instrument [Электронный ресурс]. – Режим доступа: http://www.spminstrument.ru/.